※ 引述《reader (读者)》之铭言： : 所谓的哑口无言，我想显然只是某些观者的形容词吧。更多的应该是 : 不同领域之间，不易对话的情境。何况过往所谓的 AI 几乎就等於是 : 自然语言处理，对於语言系统能否达致神经系统的等价关系，多年来 : 一直是被连结论者嗤之以鼻的事情，亦即 John Searle 只是用另外的 : 描述来论证这件事。 : 一个最基本的概念，就是两个系统所能处理的复杂性，是否具有等价 : 关系，搞语法操作无法达成 Strong AI, 根本就是毫无悬念的事情。 我再多说一点好了，以自然语言处理和逻辑分析技术为基础的传统人工 智慧研究，真正面对的难题，其实只有一点： 资料不足。 为什麽是资料不足呢? 事情很简单，电脑的自然语言处理，无论有多麽 强大，都会陷入「人类考古学」的困境：资料过於有限，没有办法重建 真正的情境，电脑再有智慧，都是在做着对人类的考古学或历史研究。 就像古代人的生活和爱情是怎麽回事，你真的能够了解和感受吗? 也就是说，这是一个困在箱子里只能透过符码来认知外界的电子大脑的 终极困境，即使是用把电脑用人脑来替换也是一样的。还记得柏拉图的 洞穴比喻吧。 那麽，怎麽样资料才会够呢? 现在较流行的观点是，一个自组织系统，至少要达成六个 (这数字没有 定论) 层次的复杂建构，才可能达致超越／突现，亦即形成独立於系统 输入、跟系统同生共死的不灭内在核心。现实的例子就是生物的基因、 人类的语言。 於是，就这个观点而言，一个计算能量足够，通过 Turing Test 的人工 智慧系统，如果系统设计得当，并能跟数以亿计的人持续对话，在经过 多年之後，或许就能产生出它的核心 (灵魂?) 吧。 当然，认为这种从语言资讯到「理解」的逆建构做法很笨的，大有人在， 从物理资讯到语言的正建构做法，才是现在真正追求人造心智的主力。 而後来的自然语言处理研究，则差不多已脱离原来人造心智的目的了。 机器学习，特别是不考虑资讯组成形式，无论是影像声音或是语言文字， 包括神经刺激讯号都可以输入，连逻辑系统都由机器自主建构的新一代 方法，才是在任意的世界里都能生存发展开拓心智能力的做法，而原来 人类本位主义的从语法到语意的做法，有太多限制性，实在不是好方法， 限制也太多，特别是瓶颈在资讯输入而不是计算速度上的问题，语言的 资讯来源要靠人来慢慢建造，跟从自然取得大量资讯，根本不能相比。 将人类的感官资讯一样地送入电脑中，才是正确做法。这样的资讯也才 够多，能在最短时间成就深刻的学习体验，当机器学会说话时，就代表 它懂得什麽是语言及其语意了，否则它不会说出来。 目前在这方面最重要的方法，已经从类神经网路转向基因演算法及范畴 理论 (模式辨认) ，当然最终很可能会再结合起来。一个模拟大脑结构、 一个跟大脑刺激反应过程相近，还有一个则和大脑记忆及判断方法相似。 John Searle 的论证，只知逆建构的困难，却不知正建构的可能。而且 颇有误导众人，以为人工智慧就是那麽一回事的大问题。 并且这里我还只是在说纯粹原生的人造心智，没有提混合系、转移系、 生化系、网路系的呢，後面几种才是最有可能出现的，人造或半人造的 智能系统。 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 61.222.173.26